DX는 장기적인 플랜, AX는 단기적인 실행으로 생각할 것!

DX와 AX는 현대 기업이 직면한 두 가지 중요한 변화 과정입니다.

DX는 기존 비즈니스 모델을 혁신하는 장기적인 과정으로, 조직의 전반적인 구조와 운영 방식을 근본적으로 재설계하는 것을 목표로 합니다. 반면, AX는 AI를 중심으로 조직의 특정 프로세스를 단기적으로 재구성하여 즉각적인 효율성 향상과 문제 해결을 도모하는 과정입니다. 따라서 단기적이고 가시적인 성과가 필요할 경우, DX를 바탕으로 AI 교육을 DX 과정의 일환으로 두시는 것이 가장 논리적으로 타당합니다.

실제로 DX와 AX를 진행했을 때의 변화 포인트도 각각 다릅니다.

DX는 기업이 지속적으로 변화하는 시장 환경에 적응하고, 새로운 비즈니스 기회를 포착하기 위해 필수적입니다. 실제로 자동차 기업 GE는 DX를 통해 생산 공정을 디지털화하고 자동화함으로써 장기적으로 운영 비용을 절감하고 생산성을 지속적으로 향상시켰습니다. 반면 AX는 보다 신속하게 AI 기술을 도입하여 즉각적인 문제를 해결하고 효율성을 높이는 데 초점을 맞춥니다. 예를 들어, 아마존은 AI 기반 물류 시스템을 도입하여 주문 처리 시간을 30% 단축하고, 고객 만족도를 크게 향상시켰습니다. 결국 단기간 내에 명확한 성과를 도출하는 것을 목적으로 할 경우, 조직 내 AI 도입의 필요성과 효과를 명확히 보여줍니다.

결과적으로 DX는 조직 전반에 걸친 지속적인 교육과 학습 문화를 필요로 하며, AX는 특정 기술에 대한 집중적인 교육과 신속한 적용을 요구합니다. HRD 부서는 이러한 두 가지 변혁 과정을 효과적으로 지원하기 위해 맞춤형 교육 프로그램을 설계하고 실행해야 합니다.

HRD 담당자들을 위한 생성형 AI 주요 '엑기스'

(0) 생성형 AI란 무엇일까요?

생성형 AI는 기존 데이터를 바탕으로 새로운 콘텐츠를 생성하는 인공지능 기술입니다. 예를 들어, 텍스트 생성 모델인 GPT는 자연어 처리를 통해 인간과 유사한 텍스트를 생성할 수 있으며, 이미지 생성 모델인 GAN은 새로운 이미지를 창출합니다.

(1) 생성형 AI는 기존 AI와 어떤 점이 다를까?

(2) 생성형 AI의 핵심, 자연어처리

생성형 AI의 기본 원리 중 하나는 자연어 처리입니다. 자연어 처리는 컴퓨터가 인간의 언어를 이해하고 생성할 수 있도록 하는 기술입니다. 쉽게 이야기하여 우리가 말하는 대화 내용을 분석하고, 의미를 파악하며, 새로운 텍스트를 만들어낼 수 있는 것이 자연어처리로 인한 것임을 알아야 합니다. 다만 이 기술들에 대해 임직원이 자세히 알아갈 필요는 없고, 기본 이해도를 높일 수 있는 교육의 일환으로 계획하는 것이 더 타당할 것 같습니다.

(3) GAN 

GAN에 대해선 많은 연구결과들이 있지만 핵심만 명확히 이야기하면, 생성자와 판별자가 어떤 내용을 두고 데이터를 만들어내고 수정하는 과정을 반복하는 것입니다. 더 쉽게 비유를 하자면 교육기획안을 작성하여 상부의 허가를 득하는 경우, 교육기획안의 작성자를 '생성자', 검토하는 상부를 '판별자' 로 보는 것입니다. 두 사람이 계속해서 미세한 수정 과정들을 거쳐 진짜에 가깝게 데이터를 만들어내는 일련의 과정을 GAN이라고 하게 됩니다.  

생성형 AI 교육 기획 시 주요 이슈는 무엇일까요?

생성형 AI 교육을 도입하고 운영하는 과정에서는 여러 가지 이슈와 도전 과제들이 존재합니다. 이러한 문제들을 사전에 인지하고 효과적으로 대응하게 되면 실패율이 낮은 교육 프로그램을 만들어내실 수 있을 것입니다.

이슈 1. 기술적 장벽

생성형 AI는 복잡한 알고리즘과 고도의 기술적 지식을 요구합니다. HRD 담당자들이 이러한 기술적 내용을 충분히 이해하지 못하면 교육효과가 저하될 수 있습니다. 이를 해결하기 위한 솔루션은 다음과 같습니다.

• 기초 교육 제공 : 기술적 배경이 부족한 직원들을 위해 기초적인 AI 개념과 원리를 먼저 교육합니다. 예를 들어, AI의 기본 원리, 머신러닝과 딥러닝의 차이점, 주요 알고리즘 등에 대한 기초 강의를 교육 설계 시 포함시킵니다.

• 계정 사용 안내 : 회사 차원에서 계정을 구매하여 사용해보도록 하거나, 시중에 나와 있는 ChatGPT 가이드를 제공하여 기술적 장벽을 낮추는 것이 중요합니다.

• 실습 중심의 교육 기획 : 이론보다는 실습을 중심으로 한 교육 프로그램을 설계하여 직원들이 실제로 AI 를 내 업무에 적용해보는 경험을 쌓을 수 있도록 하는 것이 중요합니다. 이를 통해 기술적 이해도를 높이고, 실무 적용 능력을 강화할 수 있습니다.

이슈 2. 외부 전문가 부족

생성형 AI 전문가의 수요는 급격히 증가하고 있지만, 이에 맞는 교육 인프라와 전문 인력이 부족한 실정입니다. 실제로 유튜브를 통해 강사님께 강의 요청을 드리는 경우가 많은데, 아직까지 업무 적용에 있어 깊이 있는 인사이트를 제공하는 강사님들의 수가 많지 않습니다. 이 때는 다음과 같이 문제를 해결할 수 있습니다.

• 커리큘럼의 세분화 : 앞서 이야기드린 내용 중, 단기적 성과를 낼 수 있도록 프로그램을 설계해야 한다고 언급한 바 있습니다. 이 때 가장 중요한 점은 너무 포괄적인 내용을 진행하기보단 커리큘럼을 어느 정도 분절하여 조금 더 전문적인 교육을 제공하는 느낌을 주는 것이 중요합니다. 

• AI 전문가보다는 '해당 분야' 전문가를 섭외할 것 : AI를 활용하여 제조업의 RPA 추진을 가속화하는 목표를 가질 경우, AI의 전문가보다는 해당 도메인을 잘 알고 있는 실제 전문가나 강사가 AI를 활용하여 교육하는 형태를 강력하게 추천드립니다. 생성형 AI의 경우 특히 전문가보다 어떤 산업군에 종사하고 있던 사람이 생성형 AI를 활용하여 강의를 하거나 프로그램을 운영하는 경우가 많기 때문입니다.

이슈 3. 현업 적용성 부족

생성형 AI 교육이 이론 중심으로 진행될 경우, 교육생들이 실제 업무에 이를 적용하는 데 어려움을 겪을 수 있습니다. 특히 기업교육은 실무 적용을 최우선 목적으로 하는 바, 실무와 직접 연결되지 않은 내용으로 구성되어 있다면 교육의 실효성이 떨어질 수 있습니다. 

• 프로젝트 기반 실습 강화 : 실제 업무와 유사한 프로젝트를 수행하도록 교육 프로그램을 설계하여, 교육생들이 학습한 이론을 실제로 적용해볼 수 있는 기회를 제공합니다.

• 멘토링 프로그램 도입 : 경험이 풍부한 전문가들이 교육생들에게 멘토링을 제공하여, 실무에서 발생하는 문제에 대한 해결책을 제시하고, 실질적인 조언을 제공할 수 있습니다. 최근 저희도 멘토링 프로그램을 운영하는 교육을 운영하고 있는데, 수강생 분들의 만족도가 높은 점을 확인할 수 있었습니다.

생성형 AI 교육 기획 시 주요 이슈는 무엇일까요?

생성형 AI 교육을 도입하고 운영하는 과정에서는 여러 가지 이슈와 도전 과제들이 존재합니다. 이러한 문제들을 사전에 인지하고 효과적으로 대응하게 되면 실패율이 낮은 교육 프로그램을 만들어내실 수 있을 것입니다.